5-pandas数组分组的基本方法(分组大小与排序、迭代、指定组或列)

数据分组的基本方法有3种:

  1. 分组大小和分组排序
  2. 对分组进行迭代
  3. 选择指定组或指定的列

一、分组大小和分组排序

  可通过GroupBy对象的size()方法,知道每个分组的样本数;

>>> df.groupby(['class']).size()
class
A    3
B    4
C    2
dtype: int64

>>> df.groupby(['class','sex']).size()
class  sex
A      female    1
       male      2
B      female    2
       male      2
C      male      2
dtype: int64

  默认情况下,分组聚合后的索引会进行排序,可能会降低运行速度,所以,在数据量很大的时候可以设置sort = False,指定不进行排序以提高分组速度

>>> df.groupby('class',sort = False).mean()
       score_math  score_music
class
A            93.0        85.00
B            86.5        79.75
C            76.0        90.50

二、对分组进行迭代

  GroupBy对象是一个可迭代对象,所以可以通过迭代获取分组名和数据;

 例如:获取班级的分组名和数据(若按多个键进行分组,则分组名变成元组

>>> grouped = df.groupby('class')
>>> for name,group in grouped:
...     print(name)
...     print(group)
...     print('-'*40)

A
  class     sex  score_math  score_music
0     A    male          95           79
1     A  female          96           90
7     A    male          88           86
----------------------------------------
B
  class     sex  score_math  score_music
2     B  female          85           85
4     B  female          84           90
5     B    male          88           70
8     B    male          89           74
----------------------------------------
C
  class   sex  score_math  score_music
3     C  male          93           92
6     C  male          59           89
----------------------------------------

三、选择指定组或指定的列

   (1)将分组名及其数据封装成一个字典,便于后序选择指定组的数据;

  值得注意的是:不可直接将GroupBy对象打包成字典,必须先将其转化成包含多个元组的列表,才能使用dict()将其转换成字典。

>>> grouped = df.groupby('class')
>>> pieces = dict(list(grouped))

>>> len(pieces)
3

>>> pieces.keys()
dict_keys(['A', 'B', 'C'])

>>> pieces['A']
  class     sex  score_math  score_music
0     A    male          95           79
1     A  female          96           90
7     A    male          88           86

  (2)GroupBy对象的get_group()也可以达到同样的效果而且更直观

>>> grouped.get_group('A')
  class     sex  score_math  score_music
0     A    male          95           79
1     A  female          96           90
7     A    male          88           86

  (3)若只需要对指定的列进行GroupBy操作,只需在groupby()后加上指定的列即可

>>> df.groupby('class')['score_math'].mean()
class
A    93.0
B    86.5
C    76.0

>>> df.groupby('class')['score_math','score_music'].mean()
       score_math  score_music
class
A            93.0        85.00
B            86.5        79.75
C            76.0        90.50

  

 

posted @ 2020-08-05 22:19  大脸猫12581  阅读(1591)  评论(0编辑  收藏  举报